Question

self.center_words = tf.placeholder(tf.int32, shape=[self.batch_size], name='op testing')
print("Extracting the op",self.center_words.op)

在上面，我创建了一个名为＆＃34; op testing＆＃34;的tf占位符。当我打印 self.center_words.op 时，会打印出类似这样的结构

op: "Placeholder"
attr {
  key: "dtype"
  value {
    type: DT_INT32
  }
}
attr {
  key: "shape"
  value {
    shape {
      dim {
        size: 128
      }
    }
  }
}

这适用于任何张量流变量，函数输出等。这是什么 .op ？

Answer 1

TensorFlow Operations ，也称为 Ops ，是指的节点在Tensor对象上或与Tensor对象执行计算。经过计算，它们返回零或更多张量，可以在图表后面的其他Ops中使用。要创建一个操作，你在Python中调用它的构造函数，它接受所需的任何Tensor参数它的计算，称为输入，以及正确所需的任何其他信息创建Op，称为属性。 Python构造函数返回一个句柄操作的输出（零个或多个Tensor对象），这个输出可以传递到其他操作或 Session.run

Answer 2

简短回答。

Ops是private CEO(String n,String pos, String dob, String dW, TimePeriods tP,double bS, IManager m){ }的核心。

TensorFlow是一个编程系统，您可以在其中表示计算如图。图中的节点称为ops（操作的简称）。 op需要零个或多个Tensors，执行一些计算，以及产生零个或多个张量。

您的示例中的

tensorflow以类似json的格式打印出self.center_words.op的功能

Answer 3

简单地说，它打印特定张量对象的属性。也就是说，它提供了有关

的详细信息

哪个操作负责生成张量
它的return type
它的dimension

以及有关张量对象的所有可能信息。

最小例子：

In [74]: with tf.Session() as sess:
    ...:     zer = tf.zeros(shape=(32, 32))
    ...:     print(zer.op)
    ...:     
name: "zeros_11"
op: "Const"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: "value"
  value {
    tensor {
      dtype: DT_FLOAT
      tensor_shape {
        dim {
          size: 32
        }
        dim {
          size: 32
        }
      }
      float_val: 0.0
    }
  }
}

P.S。：忽略（_11）中的数字（zeros_11）（即键name的值）。它只是一个跟踪跑步的计数器。它会在会话中的每次运行中不断递增。

来源实施：

代码：tf.Tensor.op
文档：tf.Tensor.op

什么是张量流＆＃34; op＆＃34;呢？

3 个答案: